Anthropic 加入自研晶片競賽：為 Claude 打造專屬客製化矽晶片

Anthropic 的矽晶片豪賭

2026 年 8 月 5 日，Anthropic 公開證實了業界傳聞數月之久的消息：這家 Claude 背後的公司正在組建內部晶片設計團隊，打造專為其 AI 模型量身設計的客製化矽晶片。這項消息由路透社、TechCrunch、Ars Technica 等多家媒體報導，標誌著 AI 產業擺脫 Nvidia GPU 壟斷的競賽正式升溫。

這個方向並不令人意外，但其大膽程度卻令人矚目。Anthropic——估值超過 600 億美元，正積極邁向潛在的 IPO——選擇了一條最艱難、最燒錢的硬體獨立之路：從零開始設計專屬 ASIC 加速器，專門針對 Claude 的推論工作負載進行最佳化。這讓 Claude 的開發者與 Google（TPU）、Amazon（Trainium/Inferentia）、Microsoft（Maia）、Meta（MTIA）以及最近的 OpenAI（2026 年 6 月與 Broadcom 合作發表的「Jalapeño」推論晶片）站上了同一個競技場。

Anthropic 究竟宣布了什麼

根據 TechCrunch 和路透社的報導，Anthropic 發布了「客製化矽晶片團隊」的職缺，尋找具有深厚晶片設計經驗的工程師。這些職位位於舊金山、紐約和西雅圖，年薪範圍為 32 萬至 48.5 萬美元——這個薪酬水準清楚說明了公司對此計畫的重視程度。

職位描述提到團隊將「共同設計硬體與模型」，意味著 Anthropic 打算同步開發晶片和 AI 架構，而非將硬體視為通用的運算基底。這種「協同設計」哲學意義重大：當一顆晶片專為已知的模型架構打造時，效率提升可以非常驚人。Nvidia H100 和 B200 等通用 GPU 雖然極具彈性，但這種彈性的代價是浪費了矽晶片面積、電力和金錢。

Tom’s Hardware 報導指出，Anthropic 的客製化 ASIC 處理器將專門針對 AI 推論（inference）——也就是訓練好的模型處理使用者請求並生成回應的階段。對於像 Anthropic 這樣透過消費者產品、API 和企業合作每日服務數百萬次 Claude 查詢的公司來說，推論佔了絕大多數的營運成本。

三星連結

或許最具策略意義的細節是製造合作夥伴。Tom’s Hardware 和 The Information 等多家媒體報導，Anthropic 正與三星電子洽談，由三星來代工其客製化晶片。早在 7 月的報導就指出，Anthropic 正在評估三星先進的 2 奈米製程節點。

三星的晶圓代工業務一直積極爭取 AI 晶片設計客戶，試圖縮小與目前主導高端晶片製造的台積電（TSMC）之間的差距。對 Anthropic 而言，三星提供了台積電產能受限之外的替代選項——而且考慮到三星渴望爭取指標性 AI 客戶，條件可能更為優惠。Anthropic 也在 2026 年 7 月下旬與三星和 SK 海力士簽署了重大晶片供應協議，確保任何客製化加速器所需的高頻寬記憶體（HBM）供應。

人才爭奪戰：挖角 OpenAI 的矽晶片大腦

矽晶片背後的人才故事同樣精彩。2026 年 6 月，The Decoder 報導 Anthropic 挖走了 OpenAI 有史以來的第二位晶片工程師——一位協助建立 OpenAI 與 Broadcom 合作晶片計畫的關鍵人物。該計畫最終催生了 2026 年 6 月 24 日由 OpenAI 和 Broadcom 聯合發表的「Jalapeño」推論加速器。

這次人才轉移生動地反映了兩大頂尖 AI 實驗室之間的激烈競爭。兩家公司目前都在積極準備上市，也都認知到掌控矽晶片技術堆疊對長期毛利至關重要。當你的主要成本中心是推論運算時，以高價租用 Nvidia GPU 和運行自己的最佳化矽晶片之間，每年可能相差數十億美元。

更廣泛的產業脈絡

Anthropic 的宣布符合清晰的產業趨勢。每一家主要的 AI 超大規模業者都在向矽晶片垂直整合：

• Google 的張量處理器（TPU）已迭代超過十年，目前進入第六代。
• Amazon 為 AWS AI 工作負載開發了 Trainium 和 Inferentia 晶片。
• Microsoft 為 Azure AI 服務推出了 Maia 加速器。
• Meta 正處於 MTIA（Meta 訓練與推論加速器）的第二代。
• OpenAI 與 Broadcom 合作開發 Jalapeño 晶片，已於 2026 年 6 月發表。

Anthropic 此舉與眾不同之處在於，它是一家純粹的 AI 實驗室——不是擁有多元收入來源的雲端供應商。Google、Amazon 和 Microsoft 可以透過更廣泛的業務來補貼晶片開發。Anthropic 則押注 Claude 的商業吸引力足以在上市之前證明數億美元矽晶片投資的合理性。

為何推論晶片比訓練晶片更重要

策略上聚焦推論而非訓練，這點很值得注意。訓練一個前沿模型是一項龐大但有界的運算任務——你在叢集上花幾個月時間，然後就完成了。相較之下，推論是一種持續成本，隨使用量線性成長。每一次 Claude 對話、每一次 API 呼叫、每一次企業部署都在消耗推論運算。

業界估計，在模型的整個生命週期中，推論可能佔 AI 實驗室總運算支出的 80% 至 90%。一顆即使只是適度改善推論效率的晶片——比方說每美元效能提升 30%——在大規模下就能直接轉化為毛利擴張。對於一家透過 Amazon Bedrock、Google Cloud Vertex AI 和自家直接 API 提供 Claude 服務的公司來說，節省的成本會在每個管道中累積。

用 AI 來設計晶片

最引人入勝的支線之一是 Anthropic 發布的一個職缺——「晶片設計強化學習研究工程師」（Research Engineer, Chip Design RL），專注於使用強化學習來提升模型設計矽晶片的能力。換句話說，Anthropic 可能使用 Claude 本身（或後繼模型）來協助設計最終將運行 Claude 的晶片。

這種遞迴迴圈——AI 為 AI 設計硬體——是 Google（以其 AlphaChip 專案）已經開始探索的前沿領域。如果 Anthropic 能利用其在強化學習方面的專長來自動化晶片布局和電路設計的部分流程，將可以大幅壓縮開發時程並減少所需的工程人力。

風險與未解之謎

客製化矽晶片出了名地困難。Google 花了數年和數十億美元才讓 TPU 達到成本競爭力。在先進製程節點上，一次 tape-out（將晶片設計送交製造的流程）可能花費 2,000 萬至 5,000 萬美元，而設計錯誤意味著必須從頭再來。Anthropic 需要克服良率問題、設計驗證挑戰，以及模型架構可能比晶片設計演進得更快這個根本性的風險。

另一個問題是三星的晶圓代工能否在 2 奈米節點提供具競爭力的良率。台積電的 2 奈米製程預計很快就會進入量產，而三星在良率成熟度方面歷來落後。製造上的失誤可能會將 Anthropic 的晶片延遲一年甚至更久。

最後還有地緣政治層面。所有先進晶片製造都經過台灣和韓國，而美國的出口管制持續重塑產業格局。Anthropic 押注三星分散了對台積電的依賴，但仍暴露於東亞供應鏈風險之中。

對 Claude 使用者意味著什麼

對於在 Claude 上構建應用的開發者和企業來說，長期影響大多是正面的。更便宜、更快的推論可能意味著更低的 API 價格、更高的速率限制和更快的回應時間。Anthropic 已經透過 Claude 的 Haiku 級模型展現了積極的定價策略；客製化矽晶片可能帶來更具競爭力的方案。

然而在短期內，晶片計畫是一個成本中心。Anthropic 正在人才（每位工程師 32 萬至 48.5 萬美元）、研發和製造合作方面投入巨資，而任何晶片都還未進入量產。這些成本可能會由公司近期融資輪次所獲得的豐厚資金來吸收，但也增加了最終展示獲利路徑的壓力——尤其是在 IPO 迫在眉睫的情況下。

結論

Anthropic 打造客製化矽晶片的決定，是對 GPU 經濟的獨立宣言。這表明該公司將硬體視為核心能力，而非可以租用的商品。這場豪賭能否回本取決於執行力——Anthropic 能否吸引足夠的頂尖矽晶片人才、三星能否提供具競爭力的製造、以及 Claude 的架構是否穩定到值得進行晶片層級的最佳化。

可以確定的是，AI 產業向矽晶片的垂直整合已是 2026 年的決定性趨勢。通用 GPU 驅動所有 AI 工作負載的時代正在結束。取而代之的是一個新的格局：每家主要的 AI 業者都在設計運行自家模型的矽晶片——而 Anthropic 剛剛宣布了自己的入場。